Uma porção considerável das mortes em todo planeta são provocadas por doenças no coração, como infarto agudo do miocárdio e arritmias cardíacas, diagnosticar estas cardiopatias é de extrema importância para a saúde do paciente. Visando acelerar a identificação de cardiopatias, diversos procedimentos têm sido desenvolvidos com intuito de reconhecer automaticamente estas doenças através do sinal eletrocardiográfico (ECG). Este trabalho apresenta uma metodologia para reconhecer fibrilação atrial (FA) por meio de sinais ECG, inicialmente o sinal é pré-processado, em seguida são extraídas características baseadas na entropia aproximada e análise estatística dos intervalos RR e do complexo QRS, ao final, uma rede neural artificial é utilizada para classificar os sinais em normais ou com FA. O trabalho concluiu que o método é capaz de diferenciar os dois tipos de sinais com acurácia total de 98,1%.
A considerable portion of deaths worldwide are caused by heart disease, such as acute myocardial infarction and cardiac arrhythmias, diagnosing these diseases is very important for the patient’s health. In order to speed up the identification of heart diseases, several procedures have been developed in order to automatically recognize these diseases through the electrocardiographic (ECG) signal. This paper presents a methodology to recognize atrial fibrillation (AF) through ECG signals, initially the signal is pre-processed, then features based on approximate entropy and statistical analysis of RR intervals and QRS complex are extracted, at the end, an artificial neural network is used to classify the signals as normal or with AF. The study concluded that the method is capable of recognizing between the two types of signals with accuracy of 98.1%.
Una porción considerable de las muertes en todo el planeta es provocada por enfermedades en el corazón, como infarto agudo de miocardio y arritmias cardíacas, diagnosticar estas cardiopatías es de extrema importancia para la salud del paciente. Para acelerar la identificación de enfermedades del corazón, se han desarrollados varios procedimientos para reconocer automáticamente estas enfermedades a través de la señal electrocardiográfica (EKG). Este trabajo presenta una metodología para reconocer la fibrilación auricular (FA) mediante señales de EKG, inicialmente la señal se procesa previamente, luego se extraen las características basadas en la entropía aproximada y el análisis estadístico de los intervalos RR y el complejo QRS, al final una red neural artificial se utiliza para clasificar las señales como normales o con FA. El trabajo concluyó que el método es capaz de diferenciar los dos tipos de señales con una precisión total de 98.1%.
